H3C verlagert KI-Infrastruktur-Fokus von GPUs auf Token-Effizienz
Das Technologieunternehmen H3C betont, dass mit der Skalierung von KI-Agenten die effiziente Nutzung von Rechenleistung wichtiger wird als die reine Erhöhung der GPU-Anzahl.
TechNode
H3C verlagert den Fokus der KI-Infrastruktur
TechNode – Peking – War das Schlüsselwort für KI-Infrastruktur in den letzten Jahren einfach mehr Rechenleistung, so zwingt die groß angelegte Einführung von Agentic AI die Branche, sich mit einer praktischeren Frage auseinanderzusetzen: Wie effizient kann all diese Rechenleistung tatsächlich genutzt werden?
Auf der Apsara Conference 2026 formulierte H3C die Frage im Hinblick auf die Token-Effizienz. Da KI-Agenten kontinuierlich Foundation Models aufrufen, werden Dienste im Trillionen-Token-Maßstab zu einer neuen Infrastrukturanforderung. Die bloße Hinzufügung weiterer GPUs führt nicht zwangsläufig zu proportionalen Leistungssteigerungen. Leerlaufende Rechenleistung, Netzwerküberlastung, unzureichende Datenversorgung sowie operative und ausfallbedingte Herausforderungen großer Cluster können den Wert zusätzlicher Rechenleistung schmälern.
Die Produktpalette von H3C auf der Veranstaltung, obwohl sie ein breites Spektrum an Technologien abdeckt, folgt einer klaren Logik: von der Rechenleistung über Netzwerke und Speicher bis hin zu Software und Betriebssystemen bewegt sich die KI-Infrastruktur weg von der reinen Hardware-Stapelung hin zur Optimierung auf Systemebene. Zhu Shiyin, General Manager der Advanced Technology Research Department von H3C, beschrieb KI-Cluster als hochintegrierte Systeme, die eine enge Koordination von Hard- und Software erfordern. Mit wachsender Clustergröße von Hunderten auf Tausende oder Zehntausende von GPUs werden die GPUs selbst nur noch ein Teil der Gleichung. Die Kommunikation zwischen Chips, Datenübertragung, Aufgabenplanung, Stromversorgung und Kühlung können die Gesamtauslastung der Rechenleistung direkt beeinflussen. H3C's UniPoD S80000 Series SuperPod, der auf der Veranstaltung vorgestellt wurde, spiegelt diesen Ansatz wider.
Der Wettbewerb bei KI-Clustern verlagert sich von der Anzahl der GPUs eines Systems dazu, wie viele nutzbare Tokens jede GPU tatsächlich produzieren kann. Zhu hob auch Hochgeschwindigkeits-Interconnects hervor, die ein immer wichtigerer Bestandteil der KI-Infrastruktur sind. Der Grund ist einfach: Mit zunehmender GPU-Leistung wächst auch die zwischen den GPUs ausgetauschte Datenmenge. Kann das Netzwerk nicht mithalten, müssen die GPUs warten. Deshalb präsentierte H3C auf der Veranstaltung drei Interconnect-Szenarien: Scale-Up, Scale-Out und Scale-Across. Das Unternehmen stellte auch Hochleistungs-Speicherlösungen und Softwareoptimierungen vor, die darauf abzielen, Wartezeiten für GPUs zu reduzieren und die Gesamteffizienz zu verbessern.
Zukünftig wird es bei der KI-Infrastruktur nicht mehr nur um Rechenleistung gehen, sondern um ein umfassendes Datenverarbeitungssystem, bei dem jede Wartezeit Kosten verursacht. Laut H3C ist die Softwareoptimierung das nächste entscheidende Schlachtfeld, um sicherzustellen, dass alle Hardwarekomponenten nahtlos zusammenarbeiten, um eine maximale Token-Produktion zu erzielen.